目录
一、stack & unstack
unstack 将一维表转换为二维表
stack 将二维表转换为一维表
二、pivot & melt
pivot 将一维表转换为二维表
melt将二维表转换为一维表
Tips
用pandas处理数据，我们经常获取到的是从数据库或者excel中获取的一维表。而常常需要重排，转换为二维表，类似于excel中的透视。
举例：
一维表 df
1 df = pd.DataFrame( 2 { 3 'key1':['one','two','three','one','two','four'], 4 'key2':['A','B','C','D','C','D'], 5 'value':np.random.randn(6) 6 } 7 )
二维表 df2
介绍两种转换方式。
一、stack & unstack
stack 和 unstack 的工作机制都是依赖于dataframe本身的多层索引进行转换的。
默认情况下，最内层是unstack的，也可以指定层级序号或名称来拆分特定层级。
unstack 将一维表转换为二维表
1 # 第一步 2 df1 =df.set_index(['key1','key2']) 3 # 运用unstack,不写参数，默认转换最里层的index，也就是key2； 4 df2=df1.unstack() 5 df2.reset_index() 6 7 8 9 # 也可以指定要转换的索引 10 df1.unstack('key1') 11 # 或 12 df1.unstack(0)
最后，可以通过reset_index方法去除索引。
stack 将二维表转换为一维表
1 df2.stack()
二、pivot & melt
pivot 将一维表转换为二维表
1 df.pivot('key1','key2','value')
melt将二维表转换为一维表
1 pd.melt(df,['key1','key2'])
也可以指定列的子集为值列
1 pd.melt(df,id_vars=['key1'], value_vars=['value'])
Tips
stack 和unstack方法可以用来处理多层数据。
也就是行和列索引不只一个的情况。
可参考 (https://blog.csdn.net/qq_41080850/article/details/86294173)
multiindex 的索引方式
外层索引可以包含式地使用内层索引，反过来则不行
————————————————
版权声明：本文为CSDN博主「RessCris」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_41783424/article/details/109515240